> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/cze/dokumentace-api/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md).

# 84. Mutace: Kalibrace a vyčištění výnosového datasetu

API volání pro vyčištění a kalibraci výnosových dat

Kalibrace „YieldDataset“ je funkce, která upravuje rozložení hodnot podle matematických principů a zvyšuje tak celkovou integritu dat. Zlepšuje kvalitu rozhodování a činí datovou sadu cennou pro další podrobnou analýzu.

Mezi běžné případy použití této funkce patří:

* Synchronizace dat, když na poli pracovalo více sklízecích strojů současně nebo v průběhu několika dní, aby byla zajištěna jejich konzistence.
* Vyhlazení odchylek pro dosažení homogennější a přesnější datové sady.
* Odstranění šumu v datech a nadbytečných informací, které mohou znejasnit výsledné poznatky.
* Odstranění otoček nebo abnormálních geometrií, které mohou zkreslovat skutečné vzorce a trendy na poli.
* Úprava výnosových dat tak, aby odpovídala zavedeným průměrným nebo celkovým hodnotám jednotlivých atributů.

Podrobnější informace a příklady najdete v našem [případu použití Kalibrace a čištění výnosových dat](https://docs.geopard.tech/geopard-tutorials/cze/agronomie/yield-and-trials/yield-calibration-and-cleaning.md) .

### Původní YieldDataset s atributem WetMass

Na níže zobrazeném poli o rozloze 30 ha pracovaly souběžně sklízecí stroje. Kalibrace jednoho ze strojů nebyla synchronizována s ostatními, což vedlo ke vzniku <mark style="color:oranžově;">oranžových</mark> ploch, které ukazují, že je nutná další `CALIBRATION` Kromě toho se vyskytuje mnoho červených míst po otočkách <mark style="color:červených;">červených</mark> ploch blíže k okrajům „pole“, které je třeba odstranit.

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fj40y3lH0F0ZfJNH2WhTf%2Fimage.png?alt=media&amp;token=6bf7baaa-3cda-4863-98e1-e0a92ff2b765" alt=""><figcaption><p>Původní YieldDataset s atributem WetMass</p></figcaption></figure>

### Kalibrovaný a vyčištěný YieldDataset s atributem WetMass

Níže uvedený výsledek zachycuje datovou sadu po použití automatických operací `CALIBRATE` a `CLEAN` s výchozími parametry. Výsledný „YieldDataset“ je homogenní, bez odlehlých hodnot a prudkých změn mezi sousedními geometriemi.

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fu3zjlXg03WoWrjOOT9v7%2Fimage.png?alt=media&amp;token=d298f632-b0fe-462f-a395-64a64c02ea55" alt=""><figcaption><p>Kalibrovaný a vyčištěný YieldDataset s atributem WetMass</p></figcaption></figure>

### Možnosti Pathwise, Average/Total a Conditional

**Kalibrace Pathwise** odpovídá jízdním trasám stroje. Každá trasa stroje se pro účely kalibrace zpracovává jako samostatná oblast. Tým GeoPard doporučuje tuto metodu používat jako standardní postup.

**Kalibrace Average/Total** se zaměřuje na přerozdělení hodnot atributů. Pokud jsou geospatialní vzorce přesné, ale absolutní hodnoty se liší od skutečnosti, je tato metoda vhodná. Pro dosažení optimálních výsledků GeoPard doporučuje kombinovat ji s kalibrací Pathwise: nejprve použít Pathwise a poté hodnoty upravit podle známých průměrných nebo celkových hodnot.

**Kalibrace Conditional** upravuje hodnoty atributů podle zadaných minimálních a maximálních mezí. Tato metoda je zvlášť užitečná, pokud jsou geospatialní vzorce přesné, ale rozložení hodnot vyžaduje úpravy, zejména pokud jsou známy minimální a maximální hodnoty. Pro nejlepší výsledky GeoPard doporučuje kombinovat ji s kalibrací Pathwise: nejprve použít Pathwise a následně hodnoty upravit podle známých minimálních a maximálních hodnot.

### Tipy

{% hint style="warning" %}
**Tip pro anomálie v datech**

Pokud uživatel zjistí v datech anomálie, například hodnoty nulové či blízké nule nebo neobvykle vysoké hodnoty (například průměr 10 a maximum 8000), doporučujeme **postup Čištění a kalibrace** s parametry `actions: [CLEAN, CALIBRATE]`.

Upřednostněním čištění dat před kalibrací odstraníte chyby, chybějící hodnoty a nesrovnalosti, a tím zvýšíte kvalitu a přesnost dat.
{% endhint %}

{% hint style="warning" %}
**Tip pro data bez počátečních chyb**

Pokud datová sada zpočátku neobsahuje chyby, chybějící hodnoty ani nesrovnalosti a víte, že se na sklizni podílelo více sklízecích strojů, zvažte **postup Kalibrace a čištění** s parametry `actions: [CALIBRATE, CLEAN]`.

Čištění dat po kalibraci pomáhá datovou sadu dále zpřesnit a případně odstranit artefakty vzniklé během kalibrace.
{% endhint %}

### Dokumentace: Podrobnosti mutace

Výchozí standardní konfigurace zapíná automatickou kalibraci a čištění „YieldDataset“.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
mutation AutoCalibrateYieldDataset {
  calibrateYieldDataset(input: {
    fieldUuid: "<placeholder_of_field_uuid>"
    yieldDatasetUuid: "<placeholder_of_dataset_uuid>"
    actions: {
      calibrateAction: {
        calibrationAttributes:["WetMass", "VRYIELDVOL"]
        conditionPathwiseCalibration: {
          calibrationBasis: "WetMass"
          maxHomogeneityRegion: true
          syntheticMachinePath: true
        }
      }
      cleanAction: {
        condtionAutoClean: {
          targetAttribute: "WetMass"
        }
      }
      
      actions:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}
```

{% endcode %}

Pokročilejší ukázka umožňuje ručně nastavit minimální a maximální rozsahy a zahrnuje další atributy.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
mutation CustomCalibrateYieldDataset {
  calibrateYieldDataset(input: {
    fieldUuid: "<placeholder_of_field_uuid>"
    yieldDatasetUuid: "<placeholder_of_dataset_uuid>"
    actions: {
      calibrateAction: {
        calibrationAttributes:["WetMass", "VRYIELDVOL"]
        smoothWindowSize: 11
        conditionPathwiseCalibration: {
          calibrationBasis: "Machine"
          maxHomogeneityRegion: true
          syntheticMachinePath: false
        }
        conditionAvgTotalCalibration:[{
          calibrationAttribute: "WetMass"
          average:8.0
        }]
      }
      cleanAction: {
        condtionAutoClean: {
          targetAttribute: "WetMass"
        }
        conditionMinMaxClean: [{
          cleanAttribute: "Distance"
          min: 1.5
          max: 10.0
        }]
      }
      actions:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}
```

{% endcode %}

{% hint style="info" %}
Chcete-li při operaci `CLEAN` postupovat podle protokolu USDA, musíte uvést buď VŠECHNY sloupce v `cleanAction` -> `conditionMinMaxClean` nebo některé z nich zadat v `cleanAction` -> `conditionMinMaxClean` a zbývající v `condtionAutoClean` -> `excludedAttributes`.
{% endhint %}

Vstupní parametry:

* `actions` jako pole, které umožňuje zvolit *opravné operace a pořadí jejich použití* ; podporované hodnoty zahrnují `CLEAN` a `CALIBRATE`.
* `calibrateAction` jako objekt obsahující podrobnosti konfigurace související s operací `CALIBRATE` .
  * `calibrationAttributes` jako pole atributů vyžadujících kalibraci, obvykle propojených se sloupcem Výnos.
  * `smoothWindowSize` jako liché celé číslo, které vyhlazuje výsledné hodnoty a omezuje jejich náhlé výkyvy.
  * `conditionPathwiseCalibration` jako objekt, jehož **kalibrace po jednotlivých jízdních stopách** odpovídá stopám stroje. Každá stopa stroje se pro účely kalibrace zpracovává jako samostatná oblast.
    * `calibrationBasis` jako řetězec představující atribut, který slouží jako základ kalibrace.
    * `maxHomogeneityRegion` jako logická hodnota určující, zda se jako referenční oblast pro kalibraci použije oblast s nejvyšší homogenitou.
    * `syntheticMachinePath` jako logická hodnota určující simulaci tras stroje. Je užitečná, když chybí přesný atribut trasy stroje a trasu je třeba simulovat na základě časových značek nebo podobného atributu.
  * `conditionAvgTotalCalibration` jako objekt, jehož **kalibrace průměru/celkového součtu** se zaměřuje na přerozdělení hodnot atributu. Tato metoda je užitečná, pokud jsou prostorové vzorce přesné, ale absolutní hodnoty se liší od skutečnosti.
    * `calibrationAttribute` jako řetězec představující atribut, který se má kalibrovat.
    * `average` jako číslo představující průměrné hodnoty atributu; hodnoty atributu by se měly tomuto průměru rovnat. Vždy lze použít pouze jednu z možností, buď `average` nebo `total`.
    * `total` jako číslo představující celkový součet hodnot atributu; součet těchto hodnot by se měl tomuto číslu rovnat. Vždy lze použít pouze jednu z možností, buď `average` nebo `total`.
  * `conditionMinMaxCalibration` jako objekt, jehož **podmíněná** kalibrace upravuje hodnoty atributu podle zadaných minimálních a maximálních prahů.
    * `calibrationAttribute` jako řetězec představující atribut, který se má kalibrovat.
    * `min` jako číslo představující minimální hodnotu atributu, která slouží jako dolní mez rozsahu kalibrace.
    * `minIncluded` jako logická hodnota určující, zda se má minimální hodnota zahrnout.
    * `max` jako číslo představující maximální hodnotu atributu, která slouží jako horní mez rozsahu kalibrace.
    * `maxIncluded` jako logická hodnota určující, zda se má maximální hodnota zahrnout.
* `cleanAction` jako objekt obsahující podrobnosti konfigurace operace `CLEAN` .
  * `conditionAutoClean` jako objekt obsahující konfiguraci specifickou pro algoritmus automatického čištění.
    * `targetAttribute` jako řetězec představující cílové hodnoty výnosu.
    * `excludedAttributes` jako pole řetězců určující atributy, které nemají vliv na operaci čištění.
  * `conditionMinMaxClean` jako pole objektů obsahujících popsaná pravidla čištění. Každý objekt zahrnuje následující parametry.
    * cleanAttribute jako řetězec určující název sloupce, na který se pravidlo vztahuje.
    * `min` jako číslo udávající minimální hodnotu.
    * `max` jako číslo udávající maximální hodnotu.

{% hint style="info" %}
Pokud chcete zobrazit vstupy a získat nejnovější dostupné hodnoty výčtových typů (například `operations`), doporučujeme použít [Altair](https://docs.geopard.tech/geopard-tutorials/cze/dokumentace-api/getting-started-with-the-geopard-api.md).
{% endhint %}

### Dokumentace k dotazu YieldDataset

Jako uživatel rozhraní GeoPard API můžete získat podrobnosti o opravách provedených v YieldDatasets prostřednictvím atributů `appliedCorrections` a `appliedCorrectionsVersion`. První z nich obsahuje seznam provedených oprav (např. `CALIBRATE` a `CLEAN`), přičemž pořadí jejich provedení určuje pořadí v poli. Druhý atribut `appliedCorrectionsVersion` udává verzi použitého algoritmu.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
query DetailsAboutAppliedCalibrations {
  getFields (filter: {fieldUuid: "<placeholder_of_field_uuid>"}){
    fields {
      uuid
      yieldDatasets  {
        uuid
        appliedCorrections
        appliedCorrectionsVersion
      }
    }
  }
}
```

{% endcode %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/cze/dokumentace-api/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
